Pandas DataFrame Produkt | Python Datenanalyse

Einführung

Die DataFrame.product()-Methode in Pandas wird verwendet, um das Produkt der Werte in einem DataFrame zu finden. Sie kann entlang der Index- oder Spaltenachse angewendet werden und gibt eine Series oder ein DataFrame zurück.

VM-Tipps

Nachdem der VM-Start abgeschlossen ist, klicken Sie in der linken oberen Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu öffnen.

Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund der Einschränkungen in Jupyter Notebook nicht automatisiert werden.

Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.

Skills Graph

%%%%{init: {'theme':'neutral'}}%%%% flowchart RL python(("Python")) -.-> python/DataScienceandMachineLearningGroup(["Data Science and Machine Learning"]) pandas(("Pandas")) -.-> pandas/ReadingDataGroup(["Reading Data"]) python(("Python")) -.-> python/FunctionsGroup(["Functions"]) pandas(("Pandas")) -.-> pandas/DataCleaningGroup(["Data Cleaning"]) python(("Python")) -.-> python/ModulesandPackagesGroup(["Modules and Packages"]) pandas(("Pandas")) -.-> pandas/DataAnalysisGroup(["Data Analysis"]) python(("Python")) -.-> python/PythonStandardLibraryGroup(["Python Standard Library"]) pandas/ReadingDataGroup -.-> pandas/read_csv("Read CSV") python/FunctionsGroup -.-> python/build_in_functions("Build-in Functions") pandas/DataCleaningGroup -.-> pandas/handle_missing_values("Handling Missing Values") python/ModulesandPackagesGroup -.-> python/importing_modules("Importing Modules") python/ModulesandPackagesGroup -.-> python/standard_libraries("Common Standard Libraries") pandas/DataAnalysisGroup -.-> pandas/basic_statistics("Basic Statistics") python/PythonStandardLibraryGroup -.-> python/data_collections("Data Collections") python/DataScienceandMachineLearningGroup -.-> python/data_analysis("Data Analysis") subgraph Lab Skills pandas/read_csv -.-> lab-68701{{"Pandas DataFrame Produktmethode"}} python/build_in_functions -.-> lab-68701{{"Pandas DataFrame Produktmethode"}} pandas/handle_missing_values -.-> lab-68701{{"Pandas DataFrame Produktmethode"}} python/importing_modules -.-> lab-68701{{"Pandas DataFrame Produktmethode"}} python/standard_libraries -.-> lab-68701{{"Pandas DataFrame Produktmethode"}} pandas/basic_statistics -.-> lab-68701{{"Pandas DataFrame Produktmethode"}} python/data_collections -.-> lab-68701{{"Pandas DataFrame Produktmethode"}} python/data_analysis -.-> lab-68701{{"Pandas DataFrame Produktmethode"}} end

Importieren der erforderlichen Bibliotheken und Erstellen eines DataFrames

Lassen Sie uns beginnen, indem wir die pandas-Bibliothek importieren und einen DataFrame, df_1, erstellen.

#importing pandas as pd
import pandas as pd

#creating the DataFrame
df_1=pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]})
print("------The DataFrame is---------")
print(df_1)

Produkt entlang der Indexachse finden

Um das Produkt entlang der Indexachse zu finden, legen Sie axis=0 in der DataFrame.product()-Methode fest.

print("---------------------------------")
print(df_1.product(axis=0))

Produkt entlang der Spaltenachse finden

Um das Produkt entlang der Spaltenachse zu finden, legen Sie axis=1 in der DataFrame.product()-Methode fest.

print("---------------------------------")
print(df_1.product(axis=1))

Null-Werte im Produktberechnung einbeziehen

Standardmäßig schließt die DataFrame.product()-Methode Null- oder fehlende Werte aus. Um sie einzubeziehen, legen Sie skipna=False in der Methode fest.

print("---------------------------------")
print(df_1.product(axis=1, skipna=False))

Zusammenfassung

In diesem Lab haben wir gelernt, wie man die DataFrame.product()-Methode in Pandas verwendet, um das Produkt von Werten in einem DataFrame zu finden. Wir haben gesehen, wie man sie entlang der Index- und Spaltenachse anwendet und wie man Null-Werte in der Berechnung einbezieht oder ausschließt. Diese Methode ist nützlich für die Durchführung von mathematischen Berechnungen auf DataFrame-Werten.